『無為則無心』Python基礎 — 63、Python中的生成器

目錄

1、為什麼要有生成器

Python在數據科學領域可以說是很火，我想有一部分的功勞就是它的生成器了吧。

我們知道我們可以用列表儲存數據，可是當我們的數據特別大的時候，列表中的數據都是放在記憶體中，受到記憶體限制，列表容量肯定是有限的，而且還會降低電腦的性能。

如果僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。但如果列表中元素是按照某種演算法推算出來，那我們就可以在循環的過程中不斷推算出後續的元素，這樣就不必創建完整的列表數據，從而節省大量的空間。

換句話說，我又想要得到龐大的數據，又想讓它佔用空間少，這時生成器就派上用場了，它可以說是一個不怎麼占電腦資源的一種方法。

2、創建生成器

（1）簡單創建生成器

將一個列表推導式（也叫列表生成式） [] 改為 ()即可創建一個生成器。

# 1.用推導式定義一個列表
# 關於推導式請看以前的文章有講解。
my_list = [x * x for x in range(10)]

# 列印列表
print(my_list)
# 查看my_list類型，是一個列表
print(type(my_list))
"""
輸出結果：
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<class 'list'>
"""



# 2.創建一個生成器
my_gen = (x * x for x in range(10))

# 列印生成器，是一個生成器對象
print(my_gen)
# 查看my_gen對象類型，是生成器類型
print(type(my_gen))
"""
輸出結果：
<generator object <genexpr> at 0x0000000002575148>
<class 'generator'>
"""

（2）生成器的使用

# 創建生成器
my_gen = (x * x for x in range(10))

# 1。方式一：遍歷生成器，使用next方法
print(my_gen.__next__())  # 0
print(my_gen.__next__())  # 1
print(my_gen.__next__())  # 4
print(my_gen.__next__())  # 9
# 或者
print(next(my_gen))  # 16
print(next(my_gen))  # 沒有數據了則會拋出異常StopIteration



# 2.方式二：遍歷生成器的內容
for i in my_gen:
    print(1)


# 3.方式三：遍歷生成器的內容
while True:
    try:
        # 調用next函數，獲取下一個字元
        result = next(my_gen)
        print(result)
    except StopIteration:
        # 釋放對it的引用，即廢棄迭代器對象
        del my_gen
        # 不推出循環會成為私循環
        break

提示：

  • 在上邊練習中，可以看到和迭代器的用法差不多，在這裡說明一下生成器本身就是一個迭代器。如果有對迭代器不清楚的可以查看前面說明迭代器的文章。
  • 上面方式一不斷調用next()方法回去元素，實在是太變態了，正確的方法是使用for循環。
  • generator保存的是演算法，每次調用next()，就計算出下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

總結：

  • 用[]推導出來的是迭代器（Iterables）。
  • 用()推導出來的是生成器（Generators）。

3、yield關鍵詞

（1）yield關鍵詞說明

如果我們想定義一個自己的生成器函數怎麼辦？

Python有yield關鍵詞。其作用和return的功能差不多，就是返回一個值給調用者，只不過有yield的函數返回值後，函數依然保持調用yield時的狀態，當下次調用的時候，在原先的基礎上繼續執行程式碼，直到遇到下一個yield或者滿足結束條件結束函數為止。

啥意思？啥意思？啥意思？

  • 你先把yield關鍵字直觀的看做return關鍵字，它首先是return的功能，就是在函數或方法中返回某個值，返回之後程式就不再往下運行了。
  • yield相當於返回一個值給調用者，停止執行函數中的語句，並且記住這個返回的位置。下次迭代時（或者執行next方法的時候），程式碼從yield記錄位置的下一條語句開始執行。
  • 帶有yield的函數不再是一個普通函數，而是一個生成器generator。
  • 調用一個生成器函數，返回的是一個迭代器對象。

示例：

# 定義一個生成器函數
def testYield():
    yield 1
    yield 2
    yield 3

# 獲得一個生成器對象
ty = testYield()

"""
調用過程：
next(ty)相當於ty.__next__()
掉調用一次next(ty)時
就會執行testYield()內的方法。
當執行的第一行， yield 1時，
返回當前yield的值1給調用者，停止向下執行，並記錄函數中當前的執行位置。
也就是每次遇到 yield 時函數會暫停並保存當前所有的運行資訊，返回 yield 的值。
程式執行結束

當下次再調用next(ty)的時候，
還是會執行testYield()內的方法，
只不過是從yield 1下面一句開始執行。
以此類推。
"""
print(next(ty))  # 1
print(next(ty))  # 2
print(next(ty))  # 3
print(next(ty))  # StopIteration

注意：每次調用 testYield()函數都會生成一個新的 generator 實例，各實例互不影響。

（2）send()方法說明

send()方法和next()方法一樣，都能讓生成器繼續往下走一步（下次遇到yield停），但send()能傳一個值，這個值作為yield表達式整體的結果。

def testYield():
    yield 1
    y = yield 2
    if (y == 'hello'):
        yield 9
    yield 3


ty = testYield()

print(ty.__next__())  # 1
print(next(ty))  # 2
"""
第三次執行，send方法會把"hello"傳遞進去
就是y = "hello"
換句話說，就是send可以強行修改上一個yield表達式值
程式會從第二個yield的下一行開始執行
執行到下一個yield停止，並記錄位置，返回結果。
"""
print(ty.send("hello"))  # 9
print(next(ty))  # 3
print(next(ty))  # StopIteration

注意：第一次執行要麼next(ty)要麼ty.send(None)，不能使用ty.send('xxxxx')，否則會報錯的。

4、使用yield實現斐波那契數列

"""
數學中有個著名的斐波那契數列（Fibonacci），
數列中第⼀個數0，第⼆個數1，其後的每⼀個數都可由前兩個數相加得到：
如下：
0,    1,    1,   2,    3,    5,   8,    13,    21,   34,    ...

現在我們想要通過for...in...循環來遍歷迭代斐波那契數列中的前n個數。
那麼這個斐波那契數列我們就可以⽤生成來實現，
每次迭代都通過數學計算來⽣成下⼀個數。
"""
from collections.abc import Iterable, Iterator


class FibGenerator(object):
    """
        fib數列生成器
    """

    # 初始化方法
    def __init__(self):
        # 斐波拉契數列中的前兩個數
        self.num1 = 0
        self.num2 = 1

        # 用來記錄迭代次數(計數器)
        self.i = 0

    def gen(self, count):
        # 用來保存迭代的總次數
        self.count = count

        # 判斷是否迭代結束，如果沒有到達迭代次數，則返回數據
        # self.count 需要迭代的次數
        # self.i已迭代次數
        while self.i < self.count:
            yield self.num2
            # 計算num1, num2的值，方便下次迭代返回
            # 這裡運用的是序列的封包與解包，不會的可以看我以前的文章（元組）
            self.num1, self.num2 = self.num2, self.num1 + self.num2

            # 執行一次next方法，計數器+1
            self.i = self.i + 1


# 創建一個對象
fibGen = FibGenerator()

# 調用生成器函數得到一個生成器
fg = fibGen.gen(15)

# fibIter對象是一個迭代器
print(isinstance(fg, Iterable))  # True
print(isinstance(fg, Iterator))  # True

# next方法方式獲取數據
# print(next(fg))  # 1
# print(next(fg))  # 1
# print(next(fg))  # 2
# print(next(fg))  # 3
# print(next(fg))  # 5
# print(next(fg))  # 8


# 遍歷生成器，可執行
for li in fg:
    print(li)

5、總結

  • 生成器generator就是迭代器iterator的一種，以更優雅的方式實現的iterator，而且完全可以像使用iterator一樣使用generator。
  • 當然除了定義，定義一個iterator，你需要分別實現__iter__()方法方法和__next__()方法。但generator只需要一個yield關鍵字就可以。
  • Python生成器主要目的就是為了讓你的程式碼更省資源，更高效！

參考：

Tags:

VirMach 便宜 VPS

QNews

QNews